Inferencia cosmológica utilizando ondas gravitacionales y flujos de normalización

Presentamos un enfoque de aprendizaje automático utilizando flujos de normalización para inferir parámetros cosmológicos a partir de eventos de ondas gravitacionales. Nuestra metodología es general para cualquier tipo de evento de coalescencia de binarios compactos y modelo cosmológico, y se basa en la generación de datos de entrenamiento que representan distribuciones de parámetros de eventos de ondas gravitacionales. Estos parámetros son condicionales a la cosmología subyacente e incorporan información previa de catálogos de galaxias. Proporcionamos un análisis de ejemplo que infiere la constante de Hubble utilizando agujeros negros binarios detectados durante las observaciones O1, O2 y O3 realizadas por los detectores de ondas gravitacionales LIGO/VIRGO avanzados. Obtenemos un posterior bayesiano sobre la constante de Hubble del cual derivamos una estimación y límites de confianza 1σ de H0=74.51−13.63+14.80 km s−1 Mpc−1. Somos capaces de calcular este resultado en O(1) s utilizando nuestro modelo de flujo de normalización entrenado. Publicado por la Sociedad Física Americana 2024.